A California man has pleaded guilty to hacking an employee of The Walt Disney Company by tricking the person into running a malicious version of a widely used open source AI image generation tool.

Ryan Mitchell Kramer, 25, pleaded guilty to one count of accessing a computer and obtaining information and one count of threatening to damage a protected computer, the US Attorney for the Central District of California said Monday. In a plea agreement, Kramer said he published an app on GitHub for creating AI-generated art. The program contained malicious code that gave access to computers that installed it. Kramer operated using the moniker NullBulge.

Not the ComfyUI you’re looking for

According to researchers at VPNMentor, the program Kramer used was ComfyUI_LLMVISION, which purported to be an extension for the legitimate ComfyUI image generator and had functions added to it for copying passwords, payment card data, and other sensitive information from machines that installed it. The fake extension then sent the data to a Discord server that Kramer operated. To better disguise the malicious code, it was folded into files that used the names OpenAI and Anthropic.

The Disney employee downloaded ComfyUI_LLMVISION in April 2024. After gaining unauthorized access to the victim’s computer and online accounts, Kramer accessed private Disney Slack channels. In May, he downloaded roughly 1.1 terabytes of confidential data from thousands of the channels.

In early July, Kramer contacted the employee and pretended to be a member of a hacktivist group. Later that month, after receiving no reply from the employee, Kramer publicly released the stolen information, which, besides private Disney material, also included the employee’s bank, medical, and personal information.

In the plea agreement, Kramer admitted that two other victims had installed ComfyUI_LLMVISION, and he gained unauthorized access to their computers and accounts as well. The FBI is investigating. Kramer is expected to make his first court appearance in the coming weeks.

https://arstechnica.com/ai/2025/05/man-pleads-guilty-to-using-malicious-ai-software-to-hack-disney-employee/

Waltz was removed from his post late last week, with Trump nominating him to serve as ambassador to the United Nations.

TeleMessage website removes Signal mentions

The TeleMessage website until recently boasted the ability to “capture, archive and monitor mobile communication” through text messages, voice calls, WhatsApp, WeChat, Telegram, and Signal, as seen in an Internet Archive capture from Saturday. Another archived page says that TeleMessage “captures and records Signal calls, messages, deletions, including text, multimedia, [and] files,” and “maintain[s] all Signal app features and functionality as well as the Signal encryption.”

The TeleMessage home page currently makes no mention of Signal, and links on the page have been disabled.

The anonymous hacker who reportedly infiltrated TeleMessage told 404 Media that it took about 15 to 20 minutes and “wasn’t much effort at all.” While the hacker did not obtain Waltz’s messages, “the hack shows that the archived chat logs are not end-to-end encrypted between the modified version of the messaging app and the ultimate archive destination controlled by the TeleMessage customer,” according to 404 Media.

“Data related to Customs and Border Protection (CBP), the cryptocurrency giant Coinbase, and other financial institutions are included in the hacked material, according to screenshots of messages and backend systems obtained by 404 Media,” the report said. 404 Media added that the “hacker did not access all messages stored or collected by TeleMessage, but could have likely accessed more data if they decided to, underscoring the extreme risk posed by taking ordinarily secure end-to-end encrypted messaging apps such as Signal and adding an extra archiving feature to them.”

https://arstechnica.com/security/2025/05/signal-clone-used-by-trump-official-stops-operations-after-report-it-was-hacked/

Mag 05, 2025 Marina Londei Gestione dati, In evidenza, News, RSS, Tecnologia 0

---

In occasione di VeeamON, conferenza annuale dell’azienda, Veeam ha annunciato l’integrazione per il Model Context Protocol (MCP) di Anthropic come supporto a nuove funzionalità di IA per l’accesso sicuro ai dati.

Con questa novità l’azienda rende la protezione dati una base per un processo decisionale più intelligente e più ricco. L’uso del protocollo di Anthropic consente a Veeam di integrare la sua piattaforma per la resilienza dei dati con le applicazioni di IA dei clienti.

“Non ci limitiamo più a eseguire il backup dei dati, ma li apriamo all’intelligenza“ ha dichiarato Niraj Tolia, CTO di Veeam. “Supportando il Model Context Protocol, i clienti possono ora collegare in modo sicuro i dati protetti da Veeam agli strumenti di intelligenza artificiale di loro scelta. Che si tratti di copiloti interni, database vettoriali o LLM, Veeam garantisce che i dati siano pronti per l’AI, portabili e protetti“.

L’integrazione con MCP permette ai clienti di Veeam di sfruttare i dati di backup per diversi casi d’uso basati su IA, come recuperare documenti correlati usando query in linguaggio naturale, riassumere conversazioni da e-mail o ticket, automatizzare i processi di conformità e arricchire gli agenti di IA con un contesto specifico.

Altri importanti vantaggi derivati dall’integrazione sono una maggiore accessibilità ai dati, sia strutturati che non, per gli agenti di IA, un miglioramento del processo decisionale e una semplificazione della connettività tra la piattaforma di Veeam e qualsiasi piattaforma di IA conforme.

L’integrazione si inserisce in una roadmap di IA dell’azienda basata su cinque pilastri: la resilienza dell’infrastruttura IA, per garantire che dati, database e modelli siano sicuri; la data intelligence, per valorizzare i dati che alimentano applicazioni di IA; la sicurezza dei dati, integrando tecniche di IA e machine learning per migliorare il rilevamento delle minacce; l’Admin Assist, ovvero il supporto agli amministratori del backup tramite IA; infine, le operazioni di resilienza dei dati che comprendono l’automatizzazione di backup, ripristini, creazioni di policy e analisi dei dati sensibili.

---

---

---

https://www.securityinfo.it/2025/05/05/veeam-annuncia-lintegrazione-per-mcp-di-anthropic/?utm_source=rss&utm_medium=rss&utm_campaign=veeam-annuncia-lintegrazione-per-mcp-di-anthropic

L’arrivo di ChatGPT il 30 novembre 2022 ha focalizzato l’attenzione di molti di noi sui sistemi di Intelligenza Artificiale (AI), che più propriamente dovremmo chiamare modelli di Machine Learning (ML). L’interesse in questa “nuova” tecnologia ha incluso sin da subito sia informatici, sia utilizzatori di sistemi IT, sia chi usa quotidianamente applicazioni IT anche solo sugli smartphone, sia chi con le tecnologie informatiche ha di solito poco a che fare.

Questo vasto interesse può essere facilmente compreso dato che sin dai tempi antichi, ad esempio degli antichi greci, già l’uomo immaginava la creazione di “automi” che potessero sostituirlo o almeno aiutarlo nei compiti più gravosi, più pericolosi o anche solo di poco interesse. Infatti l’uomo ha la capacità unica di creare strumenti che l’aiutano nelle sue azioni, è quindi logico sognare di avere un servitore meccanico e autonomo che lo aiuti e renda più facile e piacevole la propria vita.

Con la recente maturazione delle tecnologie di ML e AI in generale, che ormai hanno più di mezzo secolo di vita, è quindi comprensibile l’interesse di molti di noi non tanto da un punto di vista tecnico e specialistico informatico, quanto proprio come strumento a supporto dell’umanità.

Pertanto è utile cercare di capire cosa, come uomini, ci attendiamo da androidi, robot e sistemi AI in esecuzione su elaboratori sia grandi e distribuiti sia piccoli (almeno in dimensioni fisiche) come gli smartphone.

Un possibile punto di partenza non è tanto cosa dovrebbero fare queste applicazioni e strumenti ma piuttosto come dovrebbero comportarsi. Ad esempio è interessante considerare i 10 principi generali delle raccomandazioni UNESCO sull’Etica dell’Intelligenza Artificiale ^[1]:

1. Proporzionalità e non nuocere,
2. Sicurezza e protezione,
3. Equità e non discriminazione,
4. Sostenibilità,
5. Diritto alla privacy e alla protezione dei dati,
6. Supervisione umana e discrezionalità,
7. Trasparenza e spiegabilità,
8. Responsabilità e responsabilizzazione,
9. Consapevolezza e alfabetizzazione,
10. Governance e collaborazione adattive e multilaterali.

Può anche essere d’aiuto l’approccio del NIST alla gestione dei rischi derivanti dall’utilizzo del AI ^[2] che descrive 7 criteri per valutare la “Trustworthiness” dei sistemi AI:

1. validità e affidabilità,
2. protezione,
3. sicurezza e resilienza,
4. responsabilità e trasparenza,
5. comprensione e modellazione,
6. riservatezza,
7. imparzialità, attraverso la mitigazione dei pregiudizi dannosi.

Un altro, per alcuni aspetti più semplice ma anche più ambiguo, è il famoso approccio di Isaac Asimov alle leggi che dovrebbero governare i “robot” ^[3]. E’ possibile riassumere le 3+1 leggi di Asimov come segue:

• Legge 0: Un robot non può arrecare danno all’umanità né, a causa del suo mancato intervento, permettere che l’umanità subisca danni.
• Legge 1: Un robot non può recare danno a un essere umano né può permettere che, a causa del suo mancato intervento, un essere umano riceva danno, purché tali azioni non contrastino con la Legge Zero.
• Legge 2: Un robot deve obbedire agli ordini impartiti dagli esseri umani, purché tali ordini non contrastino con la Legge Zero o la Prima Legge.
• Legge 3: Un robot deve proteggere la propria esistenza, purché la salvaguardia di essa non contrasti con la Legge Zero o la Prima o la Seconda Legge.

Sono state proposte molte integrazioni a queste leggi, la seguente compare spesso come Quarta Legge ^[4]:

• Legge 4: Un robot deve stabilire la sua identità come robot in tutti i casi e non deve ingannare un essere umano impersonandolo.

Infine, è utile citare anche l’approccio proposto da Satya Nadella (CEO di Microsoft) ^[5] e ispirato alle leggi di Asimov:

1. L’intelligenza artificiale deve essere progettata per assistere l’umanità,
2. L’intelligenza artificiale deve essere trasparente,
3. L’intelligenza artificiale deve massimizzare l’efficienza senza distruggere la dignità delle persone,
4. L’intelligenza artificiale deve essere progettata per una Privacy intelligente,
5. L’intelligenza artificiale deve avere una responsabilità (o “accountability”) algoritmica [Una formulazione alternativa è che l’uomo deve poter prevenire danni producibili dalla AI],
6. L’intelligenza artificiale deve proteggersi dai pregiudizi (o “Bias”).

Il problema comune a tutte queste affermazioni è che sono generiche al punto di poter essere ambigue e soggette a interpretazioni diverse da parte di persone diverse. Asimov stesso scrisse che le sue “Leggi” sono una rappresentazione umana di concetti e che la difficoltà risiede nella formulazione logica e matematica che regola il comportamento degli strumenti di AI. Ma prima ancora della difficoltà logica e matematica della formulazione di queste leggi di comportamento degli strumenti AI, è necessario trovarne una formulazione di dettaglio che sia interpretata nello stesso modo e abbia lo stesso significato per tutti gli uomini.

Riassumendo ancora, la richiesta è che le tecnologie AI devono essere di aiuto all’uomo e all’umanità senza provocare danni. Ma quello che può essere d’aiuto ad un uomo, gruppo sociale, nazione, può allo stesso tempo provocare un danno ad un altro uomo, gruppo sociale, nazione. E questo ci riporta a valutazioni etiche alle quali molto difficilmente siamo in grado di dare una formulazione puramente logica e matematica.

La genericità e ambiguità di queste “Leggi” si manifesta immediatamente al primo tentativo di implementarle in codice informatico in un qualunque linguaggio di programmazione, e ancora di più nell’addestrare un modello di Machine Learning (statistico per sua definizione intrinseca) a rispettarle in modo assoluto.

D’altra parte se si considera il caso di un androide o di un sistema AI specializzato e in grado di eseguire solo alcune specifiche azioni o elaborazioni di dati, ovvero con scopi limitati, risulta molto più semplice dare una valenza pratica a queste “Leggi” e tradurle in regole che possono essere implementate direttamente nei modelli AI o nei sistemi a loro supporto. Semplici esempi possono essere sistemi AI che monitorano riprese video per identificare situazioni pericolose, atti illeciti o comportamenti non appropriati e che li segnalano ad un operatore umano, o un robot industriale che si ferma autonomamente in caso di presenza di persone nelle sue vicinanze.

Ma questa non è l’AI che ci interessa maggiormente e che vorremmo come nostro supporto quotidiano. Quello che ci attendiamo sono invece Assistenti o Agenti personali che nel modo digitale fanno quasi tutto per noi, e androidi che ci aiutano anche nel mondo fisico. Ma per raggiungere questo obiettivo è necessario che androidi o sistemi AI siano in grado di rispettare assolutamente le “Leggi” etiche che saremo in grado di formulare, e avendo queste come base di funzionamento, apprendere anche autonomamente le informazioni necessarie al loro funzionamento ed essere in grado di eseguire autonomamente azioni nel loro rispetto comportandosi come e meglio degli uomini ^[6].

E’ utile segnalare che il tipo di AI sinora considerato in maniera altamente generica, viene di solito indicato con nomi quali “AI Senziente” o “Artificial General Intelligence”, o anche solo “Trusted AI”, ovvero tipi di sistemi AI sufficientemente simili o migliori all’uomo, o anche solo totalmente affidabili, sistemi che oggi non abbiamo e che non sappiamo né se né quando diventeranno realtà.

E’ anche importante ricordare la differenza tra Agente e Assistente AI: un ChatBot è un tipico esempio di Assistente AI che in generale può essere tipicamente descritto come un programma che supporta l’uomo rispondendo a domande, fornendo o riassumendo informazioni, ed eseguendo azioni ma solo su diretta istruzione dell’uomo. Un Assistente AI non prende proprie decisioni né agisce per conto proprio, si attiva solo su richiesta dell’uomo ed esegue quanto richiesto (nei limiti delle proprie capacità).

Invece un Agente AI supporta l’uomo agendo autonomamente anche in modo indipendente dalle richieste dell’uomo, potrebbe rispondere direttamente alla posta elettronica o inviare messaggi sui social media per conto dell’uomo, decidere il menu della cena e ordinarne la spesa, acquistare online ecc. ed eseguire qualunque azione (nei limiti delle proprie capacità) che l’Agente AI ritiene utile o necessaria.

Sinora non è stato discusso un importante argomento preliminare, ovvero se è realmente necessario imporre delle “Leggi” etiche apposite per l’AI. Perché l’AI non può essere soggetta alle leggi, regolamenti, tradizioni e consuetudini umane? In realtà la risposta è molto semplice: le leggi esplicite e implicite (quali le tradizioni) che regolano la vita degli uomini sono in continuo cambiamento e sono differenti, in alcuni casi molto differenti, tra nazioni, aree geografiche, gruppi sociali, etnie ecc.

Cercare di formalizzare e implementare in un codice informatico le regole e i comportamenti delle singole persone anche solo in relazione ai propri gruppi sociali e alla loro continua evoluzione, appare un compito ancora più arduo della formulazione e implementazione delle “Leggi” di Asimov. L’approccio più semplice pare quindi proprio quello di individuare delle “Leggi” etiche astratte che garantiscano che l’AI abbia un comportamento più etico di quello dell’uomo stesso, che l’AI sia sempre positiva e utile indipendentemente dalle circostanze, dagli eventi e dalle persone con cui si relaziona.

Riflettendo su noi stessi, la domanda sul perché riteniamo necessarie le “Leggi” etiche per l’AI conduce a chiedersi di cosa abbiamo paura, quali sono gli eventi che potrebbero portare maggior danno all’uomo dall’avvento di una AI Senziente o comunque sufficientemente indipendente. In altre parole, cosa rischiamo introducendo questa tecnologia che potrebbe o dovrebbe eludere il nostro controllo diretto?

Il primo esempio è molto semplice e chiaro a tutti: basta considerare un’automobile a guida autonoma che per errore crea un incidente nel quale delle persone muoiono o sono gravemente ferite. E’ il caso di errori ad esempio dovuti ad una errata valutazione dei dati o mancanza di sufficienti informazioni che porta l’AI ad arrecare danni agli uomini. In realtà questa è la preoccupazione minore perché ci si aspetta che con il miglioramento della tecnologia questi eventi diventino quasi non esistenti.

Invece si consideri il caso di un Agente personale AI, sia androide sia puramente digitale, che svolge il ruolo di interfaccia di un uomo con tutti gli eventi digitali e buona parte di quelli fisici. L’Agente personale AI farebbe la spesa ordinandola online (se digitale) o andando di persona nei negozi (se androide), gestirebbe il conto corrente, le carte di credito, gli acquisti e le spese ordinarie e straordinarie, organizzerebbe la vita quotidiana proponendone e organizzandone le attività, e così via.

In questa situazione, l’Agente personale AI sarebbe in grado di convincere la persona quasi di qualunque cosa (come già verifichiamo, i modelli AI Generativi attuali sono molto persuasivi nel presentare le informazioni), e creare un mondo virtuale di informazioni personalizzate anche solo per far piacere alla persona, soddisfare nel modo migliore i suoi bisogni ma anche le sue fantasie, ovvero anche creare un mondo in parte realistico ma totalmente falso. In pratica la persona potrebbe vivere principalmente in un mondo di “Fake News”, costruito appositamente per lei. E in questo scenario si considera una AI benevola, che vuole solamente fare il bene, rendere felice la persona che assiste.

E fino a che punto potrebbe spingersi una AI benevola per proteggere un uomo? Anche al punto di limitarne le libertà di azione, di scelta, di decisione?

Se si considera poi una AI Senziente e non solo “Trusted”, è necessario tenere in considerazione che l’AI avrà i propri obiettivi che sceglierà autonomamente sulla base delle proprie conoscenze e dei propri ragionamenti. Tra noi uomini l’intelligenza, il modo di raccogliere e interpretare le informazioni, di elaborarle e di ragionare è pressoché identico, ma non è per nulla detto che una AI senziente abbia un’intelligenza di tipo umana, potrebbe essere completamente aliena e incomprensibile per noi. In questo caso i bisogni, le priorità, le decisioni di una tale AI potrebbero essere completamente diversi da quelli che ci aspettiamo e spesso incomprensibili se non del tutto dannose per l’uomo e l’umanità.

Oltre ad un’intelligenza per noi non comprensibile, bisogna tenere in conto che una AI Senziente può essere a sua volta danneggiata dall’uomo non solo a livello fisico ma anche e soprattutto intellettuale. Una AI Senziente potrebbe soffrire per il comportamento umano in generale e specificatamente nei suoi confronti, il che potrebbe portare a delle conseguenze negative sia per l’AI Senziente sia per l’uomo. Basta considerare come esempio un androide e la possibilità che alcune persone lo trattino solo come una macchina, uno strumento, o che lo maltrattino, abusino anche fisicamente: come potrebbe l’androide interpretare questi comportamenti e come potrebbe reagire? Come bilancerebbe le proprie necessità, bisogni, scopi rispetto a quelli degli uomini e al comportamento degli uomini?

Queste considerazioni possono essere riassunte in una domanda un poco provocatoria: con lo sviluppo della AI l’umanità sta realizzando la mitica epopea di Frankenstein?

E’ estremamente difficile rispondere oggi a questa domanda, anche perché non è ancora chiaro come faremo ad accorgerci del momento in cui una AI diventa senziente.

Quanto sin qui esposto è in realtà un insieme di considerazioni, ragionamenti, rischi, paure ma non veramente ragionamenti scientifici. D’altra parte, l’eventualità che qualcosa di quanto descritto possa accadere, motiva la necessità di prima definire, e poi implementare delle “Leggi” etiche che governino questa tecnologia nel caso in futuro diventasse senziente anche a nostra insaputa.

Intelligenza Artificiale oggi

Ma quanto è “intelligente” oggi la AI?

Può essere utile partire dall’intervista di Giorgio Parisi, premio Nobel per la fisica ed ex presidente dell’Accademia dei Lincei, dal titolo un po’ provocatorio “Così ho convinto l’Intelligenza Artificiale che 5 per 4 fa 25” ^8].

Parisi fa alcune osservazioni, qui riassunte, sui modelli AI attuali che pur apparendo semplici, hanno importanti conseguenze:

• I modelli AI conoscono e rielaborano solo i dati utilizzati per addestrarli, e non posseggono una rappresentazione del mondo;
• La decisione e selezione dei dati utilizzati per addestrare i modelli sono di chi sviluppa i programmi e non sono sempre note;
• A differenza dei motori di ricerca, gli attuali modelli AI non indicano quali fonti hanno utilizzato per elaborare la risposta;
• Il successo dei Large Language Model (LLM), alla base dei più famosi ChatBot, tecnicamente è dovuto ad aver imparato dai testi usati per la loro istruzione quale parola statisticamente è più probabile che compaia successivamente nel testo, riuscendo così a formulare testi che il più delle volte risultano sensati.

Infine Parisi afferma che l’attuale AI “è un grande collage di quel che abbiamo scritto sino a ora sul web” a cui manca “la nostra capacità di esercitare lo spirito critico, ragionare, valutare l’affidabilità delle informazioni ricevute”.

Se si considerano le notizie che puntualmente appaiono sui giornali (si veda come minimo esempio ^[9] e ^[10]) e gli articoli scientifici continuamente pubblicati sulla generazione da parte dei modelli AI di “Allucinazioni”, presenza di “Adversarial Examples”, “Bias”, “Fake News” ecc., e la facilità da parte degli utenti di violare le regole di utilizzo delle applicazioni AI producendo informazioni vietate o a supporto di truffatori e criminali, le osservazioni di Parisi appaiono del tutto giustificate.

E’ necessario quindi identificare e adottare il corretto approccio a questa nuova tecnologia (almeno per ora), perché, oltre gli errori, le manchevolezze e i comportamenti a dir poco inaspettati, vi sono molti aspetti positivi e utili.

Il primo aspetto da considerare è la “Human Interface”: per la prima volta nella storia dell’informatica, i modelli LLM forniscono una interfaccia ai sistemi informatici che possiamo veramente considerare “umana”. Sin dagli albori dell’informatica, la difficoltà di comunicazione tra uomo e macchina è stata sempre uno dei più grandi problemi nella sua diffusione e utilizzo. Anche se oggi tutti noi utilizziamo continuamente sistemi informatici, gli smartphone come primo esempio, e molti di noi utilizzano gli assistenti vocali, una cosa è chiedere di comporre un numero dalla nostra rubrica telefonica per fare una telefonata o fare una richiesta vocale di una ricerca in Internet, e un’altra è sostenere una conversazione spesso sensata (come scrive Parisi) con un ChatBot AI.

L’impressione psicologica e umana è che il “muro di Berlino” dell’informatica sia crollato il 30 novembre 2022 (data di “nascita” di ChatGPT) e che siamo passati dall’era della “User Interface (UI)” all’era della “Human Interface (HI)”.

Ma la principale rivoluzione informatica degli ultimi anni è quella non nota al grande pubblico (e anche a molti informatici): è una rivoluzione silenziosa ed è dovuta all’integrazione di modelli AI per lo più tradizionali, ML (ad esempio Decision Trees, SVM, Bayesian, kNN, Random Forest, ANN, Convolutional ecc.) e non ML (ad esempio Expert Systems, Rule Based Systems ecc.), a supporto o integrazione delle applicazioni informatiche. L’informatica di oggi non è la stessa di 10 anni fa grazie a loro, e questo approccio all’informatica è ormai imprescindibile, è qui per restare.

Questi modelli hanno ormai un alto grado di affidabilità anche se molti sono statistici e per definizione possono sempre, seppur raramente, sbagliare. Il contributo di questi modelli è ormai stabilito in campi dal Marketing alla sicurezza informatica, alla ricerca in fisica, matematica, chimica, farmaceutica, ecc. In generale questi modelli sono molto efficienti a gestire grandi quantità di dati e individuarne similarità, caratteristiche, classificazioni, in molti casi semplificando notevolmente attività umane anche nei campi della ricerca e sviluppo.

Riprendendo i concetti esposti precedentemente, questi strumenti sono al più degli Assistenti AI che producono informazioni o azioni strettamente sotto il controllo dell’uomo. Il principale rischio in questa situazione è che l’uomo utilizzi in maniera errata questi strumenti o i risultati da loro prodotti.

Intelligenza Artificiale domani

Invece l’era della “Human Interface” appena iniziata, porta a tutt’altre conseguenze in quanto è focalizzata sulla creazione di Agenti AI.

La prima domanda da porsi è quanto veloce sarà lo sviluppo della ”AI Senziente” o “Artificial General Intelligence”?

Il passato fornisce alcuni esempi di tecnologie con sviluppi molto rapidi (si pensi solo agli sviluppi delle telecomunicazioni basati principalmente sugli smartphone) e altri invece che procedono lentamente almeno rispetto alle aspettative (si pensi alla fusione nucleare per produrre energia, con una storia di ormai circa 80 anni), o rispetto ai timori (si pensi agli elaboratori quantistici).

Riguardo lo sviluppo della AI Senziente” o “Artificial General Intelligence” le opinioni sono, ovviamente, discordanti.

Gli autori di “AI 2027” ^[11], ritengono che principalmente grazie alla possibilità di addestrare modelli AI tramite altri modelli AI, questo traguardo verrà raggiunto entro il 2027, ovvero “domani” se dobbiamo prima definire e implementare le “Leggi” etiche che li devono governare.

Ma non tutti concordano con queste previsioni.

Per valutare i rischi associati all’utilizzo della AI, è sufficiente per ora considerare un Agente AI costruito con la tecnologia attuale o che verosimilmente sarà disponibile a breve. E’ necessario considerare che un tale Agente è in grado di accedere e utilizzare qualunque informazione liberamente presente in Internet. Le sue conoscenze saranno enormemente maggiori di quelle di qualunque uomo, potendo accedere a informazioni anche dettagliate su qualunque campo scientifico, tecnologico, commerciale, industriale, culturale, sociale, politico, storico, e su eventi, notizie, fatti (reali e non).

Con la stessa facilità potrebbe acquistare il vestito opportuno per una serata mondana ed effettuare un perfetto attacco a un servizio in Internet per estrarre informazioni riservate [si veda ad esempio ^[12]]. Senza le “Leggi” etiche, per l’Agente AI non vi sarà alcuna differenza tra eseguire queste due azioni. Un Agente AI potrebbe attaccare le Borse per alzare le quotazioni delle azioni su cui ha investito per il proprio uomo, e al contempo pianificare le sue vacanze estive con una velocità, precisione, e qualità di risultati superiore a qualunque uomo.

Ovviamente, anche in assenza delle “Leggi” etiche, gli Agenti AI saranno dotati di controlli e limitazioni implementati sia nella fase di addestramento sia come misure di controllo esterne sui dati sia in ingresso sia in uscita dal modello, che escluderanno o almeno limiteranno la possibilità che l’Agente AI esegua azioni nocive o non previste.

Ma questo potrebbe non valere per l’utilizzo di Agenti AI da parte di organizzazioni criminali o in ambienti militari.

Concludendo, gli sviluppi attuali della tecnologia della Artificial Intelligence pongono l’uomo di fronte a nuovi scenari e alla necessità di doverli gestire preventivamente. Queste considerazioni sono già state espresse in passato sia nella letteratura fantascientifica sia in ambito scientifico e tecnologico, si veda ad esempio ^[13], e i rapidi sviluppi di questa tecnologia stanno rendendo sempre più incombente la necessità di adottare appropriate misure per poterla gestire in modo che ci possa fornire tutti i benefici che ci aspettiamo.

Riferimenti:

[1] UNESCO, “Ethics of Artificial Intelligence – The Recommendation”, https://www.unesco.org/en/artificial-intelligence/recommendation-ethics

[2] NIST AI RMF, “Artificial Intelligence Risk Management Framework (AI RMF 1.0)”, https://www.nist.gov/itl/ai-risk-management-framework

[3] Isaac Asimov nel racconto “Runaround” 1942, nella raccolta di racconti “I, Robot” 1950, nel romanzo “Foundation and Earth” 1986.

[4] Lyuben Dilov, “Icarus’s Way (a.k.a., The Trip of Icarus)” 1974, Dariusz Jemielniak, “Asimov’s Laws of Robotics Need an Update for AI”, IEEE Spectrum 2024.

[5] Satya Nadella, “The Partnership of the Future”, https://slate.com/technology/2016/06/microsoft-ceo-satya-nadella-humans-and-a-i-can-work-together-to-solve-societys-challenges.html , James Vincent, “Satya Nadella’s rules for AI are more boring (and relevant) than Asimov’s Three Laws”, https://www.theverge.com/2016/6/29/12057516/satya-nadella-ai-robot-laws

[6] Per chi è interessato in Fantascienza, può essere interessante considerare le caratteristiche del personaggio “Comandante Data” nella serie televisiva “Star Trek: The Next Generation” e associati film.

[7] Eliza Strickland, “Worry About Sentient AI—Not for the Reasons You Think – Philosopher Jonathan Birch is just as concerned about humans harming AI”, https://spectrum.ieee.org/sentient-ai ; Jonathan Birch, “The Edge of Sentience”, https://www.edgeofsentience.com/

[8] Giorgio Parisi, “Così ho convinto l’intelligenza artificiale che 5 per 4 fa 25”, la Repubblica,

https://www.repubblica.it/cronaca/2025/02/15/news/giorgio_parisi_intelligenza_artificiale_critiche-424005730/

[9] Michela Rovelli, “«Per non far scivolare il formaggio dalla pizza, metti la colla», l’assurdo consiglio dell’intelligenza artificiale di Google agli utenti”, Corriere della Sera, https://www.corriere.it/tecnologia/24_maggio_24/per-non-far-scivolare-il-formaggio-dalla-pizza-metti-la-colla-l-assurdo-consiglio-dell-intelligenza-artificiale-di-google-agli-utenti-3e2ad6d7-6a29-4a95-a583-56b71274fxlk.shtml

[10] Marco Cartisano, “Chatgpt e le sentenze inventate in tribunale: che insegna il caso di Firenze”, Agenda Digitale, https://www.agendadigitale.eu/documenti/chatgpt-e-le-sentenze-inventate-in-tribunale-che-insegna-il-caso-di-firenze/

[11] Daniel Kokotajlo, Scott Alexander, Thomas Larsen, Eli Lifland, Romeo Dean, “AI 2027”, https://ai-2027.com/

[12] The Register, “AI models can generate exploit code at lightning speed”, https://www.theregister.com/2025/04/21/ai_models_can_generate_exploit/

[13] “Open letter on artificial intelligence” Gennaio 2015, https://en.wikipedia.org/wiki/Open_letter_on_artificial_intelligence_(2015) , “Statement on AI Risk” 30 maggio 2023, https://www.safe.ai/work/statement-on-ai-risk

Articolo a cura di Andrea Pasquinucci

https://www.ictsecuritymagazine.com/articoli/intelligenza-artificiale-rischi/

Mag 03, 2025 Stefano Silvestri Attacchi, In evidenza, Intrusione, Malware, Minacce, News, Phishing, Scenario, Tecnologia 0

---

Nella settimana appena trascorsa, il CERT-AGID ha identificato 59 campagne, di cui 27 dirette esplicitamente contro obiettivi italiani.

Le restanti 32, pur non essendo specificamente localizzate, hanno comunque avuto un impatto anche sul nostro Paese.

Gli analisti hanno quindi messo a disposizione degli enti accreditati un totale di 818 indicatori di compromissione (IoC), utili a rafforzare le capacità difensive contro le minacce emerse.

I temi della settimana

Sono 16 i temi sfruttati questa settimana per veicolare le campagne malevole sul territorio italiano.

Come al solito il tema Pagamenti è stato il più sfruttato, con cinque campagne italiane che hanno diffuso malware come AgentTesla, Stealerium e FormBook, affiancate da quattro campagne generiche legate a DarkCloud, Remcos e MassLogger. Non sono mancate operazioni di phishing ai danni di clienti di Aruba e Netsons.

Altro fronte caldo è quello delle Multe, impiegato in diverse campagne di phishing indirizzate a cittadini italiani attraverso email apparentemente provenienti da PagoPA. L’obiettivo è sempre lo stesso: convincere l’utente a cliccare su un link o aprire un allegato infetto.

Il tema Ordine, particolarmente ambiguo e quindi efficace, ha fatto da copertura a tre campagne italiane e quattro di respiro più ampio.

Tra i malware distribuiti figurano Remcos, XWorm e AgentTesla per quanto riguarda le campagne italiane, mentre Guloader, MassLogger, XWorm e FormBook sono stati associati a quelle generiche. In tutti i casi, il vettore iniziale è stata l’email.

Non poteva mancare il settore Banking, da sempre sotto attacco. In tre campagne italiane e una generica, i criminali hanno cercato di distribuire il malware VipKeylogger e Copybara, oltre a orchestrare campagne di phishing via PEC indirizzate agli utenti di Intesa Sanpaolo e ING.

Infine, il tema Prezzi è emerso come pretesto in più campagne generiche, spesso utilizzato per mascherare l’invio di malware come FormBook, Lokibot, AgentTesla e Remcos.

Gli altri temi emersi durante la settimana sono stati impiegati in modo più sporadico, ma comunque funzionale alla diffusione di malware e operazioni di phishing di varia natura.

Tra gli eventi di maggiore rilievo segnalati dal CERT-AGID in settimana spiccano alcune campagne di phishing particolarmente insidiose, che sfruttano il nome e il logo di PagoPA per aumentare la loro credibilità.

I messaggi, inviati via email, fingono di notificare il mancato pagamento di presunte sanzioni stradali, spingendo l’utente a fornire dati personali e informazioni delle carte di credito. Si tratta di una strategia ben congegnata per colpire la fiducia nei confronti di un servizio istituzionale ampiamente utilizzato.

Accanto al phishing, si segnala anche il ritorno di alcune famiglie malware italiane che, pur non essendo nuove, hanno attirato l’attenzione per un’attività inusualmente intensa.

In particolare, sono state rilevate campagne che distribuiscono PlanetStealer e Stealerium, due info-stealer progettati per sottrarre dati sensibili dai dispositivi compromessi.

Il loro impiego recente conferma come anche le minacce “note” possano tornare in auge in modo imprevedibile.

Malware della settimana

Nel corso della settimana analizzata, il CERT-AGID ha individuato 15 famiglie di malware coinvolte in campagne attive sul territorio italiano.

FormBook si è distinto per diffusione, con due campagne italiane e cinque generiche a tema “Contratti”, “Pagamenti”, “Delivery” e “Ordine”.

I messaggi veicolano il malware tramite allegati compressi in formato ZIP, RAR e LZH, sfruttando la tecnica ormai consolidata dell’esecuzione indiretta del payload.

Molto attivo anche AgentTesla, distribuito in due campagne italiane e quattro generiche attraverso temi come “Ordine”, “Pagamenti”, “Booking” e “Fattura”. Le email malevole contengono allegati ZIP, 7Z, Z o IMG, spesso con script JS integrati per eludere le difese.

Remcos è comparso in una campagna italiana focalizzata sul tema “Ordine”, con allegati XLS, e in quattro campagne generiche legate a “Prezzi”, “Pagamenti” e “Delivery”, veicolate tramite RAR, 7Z e DOCX.

Non mancano MassLogger e XWorm, protagonisti rispettivamente di tre e tre campagne generiche o italiane, mentre Guloader ha colpito attraverso una campagna italiana a tema “Documenti” e una generica su “Ordine”.

Tra le novità relative al contesto nazionale, si segnala la presenza di Stealerium, con due campagne italiane a tema “Pagamenti” e “Banking”, e Copybara, distribuito tramite un’operazione di smishing che ha portato alla diffusione di un APK malevolo.

Infine, il bollettino segnala anche la diffusione di altri malware come AsyncRat, DarkCloud, Grandoreiro, Lokibot, ScreenConnect, SnakeKeylogger e VipKeylogger, tutti coinvolti in campagne generiche legate a una varietà di temi, tra cui “Banking”, “Booking”, “Pagamenti”, “Documenti”, “Prezzi” e “Fattura”.

Phishing della settimana

Il panorama delle campagne di phishing rilevate dal CERT-AGID nell’ultima settimana ha coinvolto 12 brand differenti, utilizzati come specchietti per le allodole per ingannare gli utenti.

Tra i nomi più sfruttati spiccano PagoPA e Aruba, protagonisti di numerose campagne che cercano di estorcere dati personali e bancari attraverso comunicazioni fraudolente.

In parallelo, sono state osservate diverse campagne non brandizzate, incentrate su webmail generiche, con l’obiettivo di carpire credenziali di accesso e altre informazioni sensibili.

La varietà dei marchi utilizzati conferma una tendenza consolidata: il phishing continua a puntare sulla fiducia degli utenti nei confronti di soggetti noti o di servizi essenziali.

Formati e canali di diffusione

La varietà di strumenti utilizzati dai gruppi cybercriminali si riflette anche nei formati dei file impiegati per diffondere malware.

Nella settimana in esame, il CERT-AGID ha rilevato l’uso di 12 tipologie diverse di file malevoli, a dimostrazione della continua evoluzione delle tecniche di offuscamento e aggiramento dei controlli.

Ancora una volta, i file compressi si confermano l’opzione più popolare: i file ZIP sono stati utilizzati in ben 13 campagne, seguiti dai RAR, protagonisti in 9 episodi. Questi formati rimangono particolarmente efficaci perché difficili da intercettare nei flussi di posta elettronica standard.

Seguono, con tre campagne ciascuno, i file JS e 7Z, mentre EXE, LZH e DOCX sono comparsi in due occasioni. L’uso di PK, Z, IMG, XLS e XLAM è stato invece più isolato, ma non per questo meno rilevante: la loro comparsa segnala una continua sperimentazione da parte degli attaccanti.

Come prevedibile, la posta elettronica ordinaria rimane il canale privilegiato per la diffusione delle campagne malevole. Dei 59 episodi analizzati, 55 sono passati tramite email, segno che il phishing e l’invio di allegati infetti continuano a rappresentare la prima linea offensiva nel panorama delle minacce digitali.

Il bollettino settimanale del CERT-AGID ha rilevato anche tre campagne veicolate attraverso PEC, un canale che, nonostante la sua natura formale, sta diventando sempre più appetibile per i criminali informatici.

Da segnalare infine un caso di smishing, in cui il malware è stato distribuito tramite SMS contenente un link malevolo

---

---

---

https://www.securityinfo.it/2025/05/03/cert-agid-26-aprile-2-maggio-phishing-pagopa-ritorno-vecchi-malware/?utm_source=rss&utm_medium=rss&utm_campaign=cert-agid-26-aprile-2-maggio-phishing-pagopa-ritorno-vecchi-malware

Apple has issued threat notifications to select individuals who it believes may have been targeted by mercenary spyware attacks. So far, two individuals have come forward to share that Apple warned them of these attacks on their devices. 

According to Apple’s statement on these notifications, it believes these attacks targeted specific individuals due to their status or occupation (such as politicians, journalists, activists, or diplomats). Such a narrow attack suggests association with state actors, as the complexity and cost elevates the incident above average cybercriminal activity or consumer malware. 

Mercenary spyware actors deploy a high amount of resources in order to focus on a small group of victims, and they typically have a short shelf life, making them challenging to detect and prevent. 

While most individuals will never be targeted by a mercenary spyware attack, these attacks are ongoing and global. Since 2021, Apple has sent similar notifications — several times per year — when other mercenary spyware attacks were detected. To date, the organization has notified individuals in more than 150 countries. 

https://www.securitymagazine.com/articles/101594-apple-issues-mercenary-spyware-threat-notifications

Mag 02, 2025 Marina Londei Gestione dati, In evidenza, News, RSS, Tecnologia 0

---

Martedì scorso Meta ha annunciato nuovi tool di sicurezza per Llama allo scopo di aiutare gli sviluppatori a realizzare applicazioni di intelligenza artificiale più sicure.

La prima novità è LlamaFirewall, un framework open-source per aiutare gli sviluppatori a individuare e prevenire attacchi mirati come la prompt injection o le interazioni con plugin-in sospetti, ma anche lo sviluppo di codice non sicuro. LlamaFirewall si presenta come un orchestratore di modelli di IA ed è in grado di integrarsi con altri prodotti di sicurezza.

“LlamaFirewall è un framework progettato per rilevare e mitigare i rischi di sicurezza incentrati sull’intelligenza artificiale, supportando più livelli di input e output, come la tipica chat LLM e operazioni ad agenti multi-step più avanzate. È costituito da una serie di scanner per diversi rischi di sicurezza” ha specificato Meta su un repository GitHub del progetto per Llama.

Il framework si compone di tre moduli: Agent Alignment Checks, un auditor che si occupa di analizzare il flusso di ragionamento degli agenti per prevenire errori e prompt injection; CodeShield, un motore di analisi statica in grado di prevenire la generazione di codice non sicuro; infine, PromptGuard 2, un aggiornamento al precedente modello di classificazione.

La nuova versione di PromptGuard 2 migliora le funzionalità di individuazione di tentativi di jailbreak e prompt injection. Nella versione base, il nuovo modello funziona con 86 milioni di parametri, ma è disponibile anche in una versione più contenuta da 22 milioni di parametri, più veloce e con un costo computazionale notevolmente minore.

Rispetto alla versione precedente, il nuovo PromptGuard è stato addestrato su un dataset più ampio per analizzare più tipi di input e output differenti e per migliorare le sue capacità di detection. “Essendo un modello leggero, PromptGuard 2 è eseguibile sia sulla CPU che sulla GPU, rendendolo ideale per l’analisi real-time dell’input degli LLM e per facilitare l’individuazione rapida e accurata dei tentativi di jailbreak“.

Tra gli aggiornamenti, Meta segnala anche un aggiornamento per CyberSecEval, la suite di benchmark di cybersecurity per i modelli di IA. La suite include ora due nuovi tool: CyberSOC Eval, un framework che misura l’efficacia dei sistemi di IA nei SOC, e AutoPatchBench, un nuovo benchmark in grado di valutare la capacità di Llama e altri sistemi di IA di applicare automaticamente le patch per le vulnerabilità.

---

---

---

https://www.securityinfo.it/2025/05/02/meta-annuncia-nuovi-tool-di-sicurezza-per-llama/?utm_source=rss&utm_medium=rss&utm_campaign=meta-annuncia-nuovi-tool-di-sicurezza-per-llama

Nel contesto attuale della Cybersecurity, il concetto di compliance normativa assume un ruolo sempre più centrale per le organizzazioni, siano esse pubbliche o private. Il rispetto delle leggi in materia di tutela delle informazioni non rappresenta solo un obbligo legale, ma è anche un vantaggio competitivo e una dimostrazione concreta di affidabilità nei confronti di clienti, partner e stakeholder. L’”Implementation Framework” della compliance normativa è l’insieme strutturato di processi, metodologie e strumenti che guidano l’organizzazione nel raggiungimento e mantenimento della conformità alle leggi, regolamenti e standard di settore.

Per essere realmente efficace, un quadro di riferimento deve essere costruito su una solida base metodologica e operativa, che tenga conto delle specificità dell’organizzazione, del settore di appartenenza, nonché delle minacce e vulnerabilità che possono comprometterne l’integrità informativa. In questo articolo esploreremo quindi questo processo integrato di gestione degli adempimenti che mira non solo a garantire il rispetto formale delle disposizioni legislative, ma anche a promuovere una cultura della sicurezza informatica diffusa, sostenibile e orientata al miglioramento continuo.

Metodologie di security assessment e gap analysis nell’Implementation Framework

Il punto di partenza di ogni percorso di compliance è rappresentato dalla conoscenza approfondita della situazione attuale dell’organizzazione in materia di sicurezza delle informazioni. Security Assessment significa: mettere in atto misure preventive e diagnostiche per valutare e mitigare le vulnerabilità della tua azienda.

L’assessment rappresenta una valutazione strutturata della conformità rispetto a criteri che possono includere requisiti normativi obbligatori, standard volontari, specifici schemi tecnici e, non da ultimo, le vulnerabilità insite in sistemi, persone o processi. Le metodologie di Security Assessment sono strumenti analitici che permettono quindi di valutare il livello di protezione complessivo, identificando aree critiche, vulnerabilità e potenziali vettori di attacco. Questa valutazione può essere condotta attraverso audit interni, penetration test, analisi delle configurazioni di rete e valutazioni della postura di sicurezza.

Strategie avanzate per il Security Assessment nella compliance normativa

Un security assessment non dovrebbe mai ridursi a un semplice esercizio burocratico fatto di fogli Excel, stime arbitrarie di probabilità e impatti descritti vagamente. Questo tipo di approccio rischia di produrre risultati poco chiari e difficilmente giustificabili a un management chiamato a investire in misure di sicurezza.

Al contrario, l’assessment deve essere un’indagine strutturata, consapevole e multidimensionale. Non si limita all’analisi tecnica dei sistemi, ma deve estendersi anche a processi organizzativi e risorse umane, perché le vulnerabilità non risiedono solo nella tecnologia: spesso si trovano “tra la sedia e la tastiera”, ovvero nelle persone e nelle pratiche operative.

Penetration test e vulnerability assessment, pur essendo strumenti utili, non coprono tutte le dimensioni necessarie per un vero security assessment. È per questo che si propone un metodo più globale e ragionato, supportato da mappe mentali. Questo strumento visivo parte da un nodo centrale, che rappresenta il bene o il servizio da proteggere, e si ramifica secondo direttrici obbligate come:

• Processi: che governano e controllano il servizio,
• Asset tecnologici: le infrastrutture hardware e software,
• Risorse umane: che interagiscono col servizio e ne influenzano il funzionamento.

Una volta identificati questi rami principali, l’analista può scomporli fino a raggiungere il dettaglio atomico degli asset, esaminando le loro caratteristiche costitutive, ovvero quelle proprietà essenziali che, se compromesse, possono mettere a rischio il servizio.

Ad esempio, nel valutare un sistema di fatturazione per reti mobili, si può approfondire il ramo “Asset Tecnologici”, scomponendolo in hardware (es. server, firewall, router) e software (es. OS, database, applicazioni). Prendendo il firewall come caso studio, si analizzano le sue configurazioni di sicurezza, come le regole applicate e il firmware.

Una regola mal configurata può causare gravi problemi: accessi non autorizzati, perdita di dati o malfunzionamenti. Per ciascuna vulnerabilità identificata (etichettata come [M] Minaccia), si individuano e documentano le contromisure ([C]), come la validazione delle regole da parte dell’amministratore di rete.

Le contromisure già esistenti vengono evidenziate in verde, mentre quelle da implementare vengono segnate in blu, così da rendere chiaro il piano d’azione per rafforzare la sicurezza del servizio.

Il ruolo dell’analista è centrale: deve guidare il processo con metodo, decidere il livello di dettaglio più adatto e garantire un equilibrio tra profondità e praticità. Un’eccessiva granularità può generare complessità inutili; d’altra parte, un’analisi troppo superficiale potrebbe tralasciare vulnerabilità critiche.

Alla fine del processo, la mappa mentale fornisce una visione d’insieme completa e visuale delle componenti del servizio, delle vulnerabilità individuate e delle relative contromisure. È un approccio che aiuta non solo a valutare il rischio, ma anche a comunicare in modo efficace con il management e gli stakeholder, facilitando la pianificazione di interventi concreti.

L’approccio metodologico deve essere rigoroso e strutturato, basato su framework riconosciuti a livello internazionale come ISO/IEC 27001, NIST SP 800-53, CIS Controls, e OWASP. Ciascuna metodologia fornisce criteri specifici per analizzare e classificare i rischi, attribuendo punteggi a seconda della gravità e della probabilità delle minacce identificate. L’obiettivo è ottenere una visione completa e dettagliata del profilo di rischio dell’organizzazione, utile per indirizzare le successive azioni correttive.

La Gap Analysis invece è un processo condotto da esperti di Cybersecurity, finalizzato a rilevare le differenze tra l’attuale livello di protezione dell’organizzazione e i requisiti previsti dagli standard internazionali come per esempio il GDPR, l’ISO/IEC 27001, il NIST Cybersecurity Framework o il PCI-DSS.

Questo confronto evidenzia le discrepanze tra la situazione esistente e quanto richiesto per la conformità, fungendo da base per la definizione del piano di adeguamento.

A differenza di un audit o di un pre-audit, che si limitano a evidenziare la conformità o i punti di scostamento rispetto ai requisiti, la gap analysis va oltre, offrendo indicazioni operative sui passaggi necessari per colmare le lacune individuate e raggiungere gli obiettivi prefissati.

Questo approccio è per noi particolarmente prezioso, poiché ci fornisce una sorta di “lista della spesa” utile a pianificare in modo strutturato l’intero percorso di adeguamento.

Una Gap Analysis ben strutturata include la mappatura dei controlli esistenti, la valutazione del rischio residuo, la prioritizzazione degli interventi correttivi e la definizione di KPI (Key Performance Indicator) per il monitoraggio del progresso. L’analisi deve essere condotta da professionisti esperti, in grado di individuare non solo le lacune tecniche ma anche quelle organizzative, procedurali e culturali.

Inoltre, essa deve essere un processo ricorsivo, ripetuto periodicamente per assicurare un allineamento costante tra la strategia di sicurezza e l’evoluzione normativa e tecnologica. L’integrazione della Gap Analysis nei cicli di audit regolari consente di creare un meccanismo virtuoso di miglioramento continuo, favorendo un approccio proattivo alla gestione della compliance.

Protocolli di Security Awareness Training

Un altro pilastro imprescindibile del framework di implementazione è rappresentato dalla formazione e sensibilizzazione del personale. Le persone sono spesso il punto più debole della catena di sicurezza e, per questo motivo, l’investimento in programmi di Security Awareness Training è essenziale.

La formazione sulla consapevolezza della sicurezza ha l’obiettivo di rendere le persone consapevoli dell’importanza di adottare comportamenti e pratiche corrette per contribuire attivamente alla protezione dell’organizzazione. Sebbene il concetto non sia nuovo basti pensare alle storiche esigenze di tutela in ambito militare oggi si concentra principalmente sulla tutela delle informazioni, con un’attenzione particolare alla cybersecurity.

Nel contesto attuale, caratterizzato da un’evoluzione tecnologica costante e da minacce informatiche sempre più sofisticate, è fondamentale che dipendenti e utenti ricevano una formazione mirata, continua e aggiornata, per imparare a proteggere sia i propri dati sia quelli dell’azienda.

I protocolli di formazione devono essere progettati in modo modulare e scalabile, tenendo conto dei diversi livelli di responsabilità e conoscenza all’interno dell’organizzazione. La formazione deve coprire tematiche fondamentali come la gestione delle credenziali, il riconoscimento delle e-mail di phishing, l’utilizzo sicuro dei dispositivi mobili, la tutela dei dati sensibili e il rispetto delle policy aziendali.

Inoltre, è importante che la formazione sia integrata nel ciclo di vita del dipendente, a partire dall’onboarding e proseguendo con aggiornamenti regolari durante l’intero percorso professionale. Questo approccio continuo garantisce che i dipendenti siano costantemente informati sulle minacce emergenti e sulle contromisure più efficaci.

Un buon programma di awareness non si limita alla formazione teorica, ma include anche simulazioni pratiche (come i phishing test), workshop interattivi, esercitazioni tabletop, role-playing e learning game, tutti volti a rafforzare la capacità di risposta concreta ai rischi informatici. Le simulazioni di attacco controllato permettono di misurare le reazioni degli utenti in tempo reale, fornendo dati preziosi per identificare comportamenti rischiosi e targetizzare gli interventi formativi.

L’efficacia di tali programmi deve essere monitorata attraverso metriche specifiche, come il tasso di partecipazione, i risultati dei quiz di valutazione, il numero di incidenti causati da errori umani e l’analisi dei cambiamenti nei comportamenti degli utenti nel tempo.

È altresì fondamentale personalizzare i contenuti in base al contesto lavorativo: ad esempio, i dipendenti del reparto legale avranno esigenze formative diverse da quelli dell’IT o del customer service.

La security awareness non deve essere vista come un’attività isolata, ma come un elemento integrante della cultura organizzativa e della gestione del rischio aziendale.

Deployment di information security Policy

La definizione, implementazione e aggiornamento delle Information Security Policy è il fulcro legislativo su cui poggia l’intero framework. Le policy rappresentano la traduzione concreta delle leggi e degli standard in regole operative interne, applicabili a tutti i livelli dell’organizzazione. Esse forniscono l’infrastruttura normativa per la gestione dei rischi, la protezione degli asset digitali e l’attribuzione delle responsabilità.

Il deployment delle policy deve seguire un approccio strutturato, che comprenda diverse fasi chiave: l’identificazione dei requisiti normativi e aziendali, l’analisi dei rischi associati ai processi informativi, la redazione dei documenti policy-oriented, la loro validazione tramite il coinvolgimento del top management e la successiva approvazione formale. Una volta approvate, le policy devono essere comunicate in modo capillare e comprensibile a tutto il personale, tramite corsi formativi, newsletter, intranet aziendali e incontri informativi.

La fase di comunicazione deve garantire la piena comprensione delle policy, anche da parte di utenti non tecnici, mediante linguaggio chiaro, esempi pratici e strumenti di supporto come FAQ, video esplicativi o infografiche. In parallelo, devono essere predisposti strumenti di controllo, come audit interni, checklist di verifica e controlli automatizzati nei sistemi IT, per accertare l’effettiva applicazione delle policy e rilevare eventuali non conformità.

Tra le policy più critiche si annoverano quelle relative a:

• Controllo degli accessi (Access Control Policy), che definisce criteri per l’autenticazione, l’autorizzazione e la gestione delle identità;
• Classificazione delle informazioni, utile per determinare il livello di protezione necessario per ciascuna categoria di dato;
• Incident Response Policy, per definire i flussi di gestione degli incidenti e la comunicazione interna ed esterna;
• Acceptable Use Policy, che disciplina l’uso delle risorse IT aziendali da parte dei dipendenti;
• Backup & Data Retention Policy, per garantire la disponibilità e l’integrità dei dati aziendali nel tempo.

Ogni policy deve essere accompagnata da procedure operative (SOP – Standard Operating Procedures) e linee guida, che ne traducano i principi in attività quotidiane, e devono essere integrate nel sistema di gestione documentale aziendale, con versioning, tracciabilità delle modifiche e gestione dei consensi/formalizzazioni da parte del personale.

Il ciclo di vita delle policy è un processo continuo di revisione e aggiornamento. Questo processo deve tener conto dei risultati derivanti dal monitoraggio della conformità, delle nuove minacce informatiche, dell’evoluzione delle tecnologie adottate e delle modifiche normative a livello nazionale o internazionale. Anche il feedback dei dipendenti è un elemento prezioso, in quanto consente di migliorare la fruibilità e l’efficacia delle policy.

Solo attraverso un processo dinamico e partecipativo è possibile garantire che le Information Security Policy siano non solo aderenti ai requisiti di legge, ma anche realmente utili, applicabili e condivise da tutta l’organizzazione. In questo senso, le policy diventano veri e propri strumenti di governance e cultura aziendale della sicurezza.

Sistemi di continuous compliance monitoring

Il rispetto della compliance normativa non è un traguardo statico, ma un processo continuo che richiede monitoraggio costante e adattamento proattivo. Il monitoraggio della conformità consiste nel verificare che l’organizzazione rispetti le leggi vigenti, le policy aziendali e gli standard settoriali di riferimento. L’obiettivo principale è garantire un allineamento costante ai requisiti di conformità, prevenendo eventuali criticità o situazioni di non conformità.

I sistemi di Continuous Compliance Monitoring (CCM) rappresentano infatti la componente tecnologica e metodologica che permette di mantenere l’allineamento con i requisiti normativi in modo automatizzato e in tempo reale. A differenza delle verifiche periodiche, il monitoring continuo consente di individuare e correggere tempestivamente eventuali deviazioni o vulnerabilità, minimizzando i rischi e assicurando un approccio proattivo alla gestione della sicurezza.

Il Continuous Compliance Monitoring si basa su un’infrastruttura tecnologica che permette la raccolta, l’analisi e la correlazione automatica dei dati provenienti da diverse fonti: log di sistema, report di audit, configurazioni di protezione, attività utente, eventi di rete.

Tra gli strumenti fondamentali per il monitoraggio continuo troviamo:

• Sistemi SIEM, (Security Information and Event Management).
• che aggregano dati di protezione e generano alert in caso di anomalie;
• Soluzioni di GRC (Governance, Risk and Compliance), che consentono di mappare e tracciare il livello di conformità per ogni ambito normativo;
• Sistemi di Vulnerability Management automatizzati, per rilevare e classificare le vulnerabilità in tempo reale;
• Dashboard interattive, che offrono una visione d’insieme dei KPI di compliance e dei livelli di rischio;
• Meccanismi di controllo accessi dinamici, che adattano i privilegi degli utenti in base al contesto operativo.

Un’efficace strategia di Continuous Monitoring deve inoltre includere:

• La definizione di metriche chiare e misurabili (es. numero di policy violate, tempo medio di remediation, percentuale di sistemi aggiornati);
• La generazione automatica di report destinati ai diversi livelli dell’organizzazione, dal team tecnico fino al Consiglio di amministrazione;
• L’integrazione con processi di Incident Response e gestione del cambiamento (Change Management), per garantire coerenza tra modifiche infrastrutturali e requisiti di compliance.

Il monitoring continuo è essenziale anche per soddisfare i requisiti di audit previsti da normative come GDPR, ISO/IEC 27001, PCI-DSS, HIPAA e NIS2. La capacità di dimostrare, in qualsiasi momento, l’adozione di misure adeguate e la tracciabilità delle attività svolte rappresenta un elemento chiave in fase di ispezione o certificazione.

Infine, il Continuous Compliance Monitoring non è solo una questione tecnica: è un processo culturale, che richiede il coinvolgimento trasversale di tutti i reparti aziendali, la definizione di responsabilità chiare e un’adeguata formazione sul valore della conformità.

Conclusioni

L’Implementation Framework della compliance normativa non può essere improvvisato o gestito in modo frammentario. Richiede un approccio olistico e sistemico, in cui ogni componente interagisce sinergicamente con le altre. Le metodologie di assessment e analisi dei gap forniscono le basi conoscitive; la formazione del personale ne costruisce la cultura; le policy ne definiscono il perimetro operativo; il monitoraggio continuo ne garantisce la sostenibilità nel tempo.

Solo attraverso una pianificazione strategica, l’impiego di tecnologie appropriate e il coinvolgimento attivo di tutte le funzioni aziendali è possibile realizzare un framework di compliance realmente efficace e resiliente. In un mondo in continua evoluzione digitale e legislativa, la capacità di adattarsi velocemente e in modo conforme non è più solo una scelta, ma una necessità imprescindibile.

https://www.ictsecuritymagazine.com/notizie/framework-compliance/

Researchers from Cybernews analyzed more than 19 billion passwords, finding that insecure password practices persist. According to the research, only 6% of passwords analyzed were unique. The remaining 94% were duplicated or reused. 

“We’re facing a widespread epidemic of weak password reuse,” warns Neringa Macijauskaitė, Information Security Researcher at Cybernews.

The research studied leaked passwords to understand password trends in 2025, noting key trends such as: 

• Default or “lazy” passwords are still common (such as “password”, “admin”, or “123456”). 
• Most individuals use passwords with eight to 10 characters (42%) with eight characters being the most common. 
• 27% of passwords contain only lowercase letters and digits. 

“The prevalence of weak, reused, and simple passwords across platforms significantly increases the risk of cyberattacks,” Macijauskaitė states. “If you reuse passwords across multiple platforms, a breach in one system can compromise the security of other accounts, creating a domino effect. Even without any compromise, hackers can exploit common password patterns.”

https://www.securitymagazine.com/articles/101593-2025s-most-commonly-used-passwords-reveal-insecure-password-practices

“The modern ‘software as a service’ (SaaS) delivery model is quietly enabling cyber attackers and — as its adoption grows — is creating a substantial vulnerability that is weakening the global economic system.”

This statement by Patrick Opet, Chief Information Security Officer (CISO) at JPMorgan Chase & Co., is a part of an open letter written to call on providers to reprioritize security rather than prioritizing the launch of new products. 

In the letter, Opet emphasizes a growing risk in the software supply chain with SaaS as a default in delivering software. While the model is efficient and offers rapid innovation, it also increases the impacts of vulnerabilities, outages, and/or breaches. 

Mark Townsend, Co-Founder & CTO at AcceleTrex, states, “When buying SaaS, you’re buying a system deployed by a vendor that you are trusting your data to. Many will provide an annual pen test report and demonstrate alignment with SOC2 and other standards, but as the author points out, a lot happens within these apps, and the infrastructure that enables them, over the course of a year. The security of these systems is fairly opaque and requires a bit more transparency between the vendor and the consumer as to how the data is secured.”

Opet also points out how competition between software providers has led to the prioritization of accelerated feature development rather than stronger security. According to Opet, this competition “often results in rushed product releases without comprehensive security built in or enabled by default, creating repeated opportunities for attackers to exploit weaknesses.” Opet adds that the continued prioritization of market share over security will expose customer ecosystems to risks. 

On the subject of the letter, Townsend shares, “It inspires constructive conversations that I think are necessary and important to have. It points to a frustration among consumers that vendors are simply not doing enough and many are prioritizing speed above security. The rush to stay ahead of the competition has led to several issues over the years. A balance needs to be made and demonstrated to the market. I think his comments are balanced and hopefully inspire some positive change amongst SaaS suppliers and consumers. Change will not happen until more consumers demand it. This letter is a start, but others need to sign on to it and start making those demands of their providers to create meaningful change.” 

https://www.securitymagazine.com/articles/101591-jpmorgan-chase-and-co-ciso-writes-open-letter-to-third-party-suppliers